京公网安备 11010802034615号
经营许可证编号:京B2-20210330
新媒体大数据能给中国带来什么_数据分析师
新媒体的迅猛发展产生了海量数据。这些数据使我们能够更好地洞察社会各方面的细微变化。深入挖掘新媒体大数据蕴含的价值,将有力助推中国经济转型——
作为大数据的主要来源之一,新媒体的迅猛发展导致用户电脑浏览记录、手机通信记录、网页浏览习惯、微博使用习惯、手机GPS定位跟踪记录等数据大量累积。相关统计显示:2000年,全世界存储的信息中只有1/4是数据信息;而目前,这一比例高达98%。业内专家预计,大数据很有可能会推动产生一个新的时代。
有待挖掘的重要资源
新媒体大数据具有解析度高、广度大、即时交互等诸多特点,是经济运行中的重要资源。
英国剑桥大学心理测量学中心研究员米哈乌·科辛斯基近期与他人联合主持的一项研究认为,仅仅使用公开的Facebook“赞”(Like)信息,也能瞬时生成极为详尽的用户心理-人口特征资料,包括种族、性格、智商分数、政治观点和宗教信仰等有效的个人统计信息。2013年,麻省理工学院和鲁汶天主教大学的科学家研究了150万用户15个月内的匿名电话记录,结果发现,只需要移动通讯的4个时间、地点等相关数据,就可以基本确定打电话者的身份。可见,如同显微镜一样,新媒体的大数据能够突显出经济运行中极其微小的细节;特别是社交网络和互联网公司收集的数据,呈现出很强的身份特征。将这些数据与客户个人信息相结合,就可以生成一系列关于客户可能需求的“推测数据”。
相对于传统媒体,新媒体具有强大的消解力量,包括消解传统的电视、广播、报纸等媒体之间的边界,消解国家之间、社群之间、产业之间的边界,消解信息发送者与接收者之间的边界等。新媒体数据的这一特性使我们能够不拘于一隅地了解整个人类社会系统的情况。中国广大的地域、庞大的人口、差异化的区域经济结构、多样化的生活文化习惯,更进一步拓展了新媒体数据的广度。
此外,新媒体大数据还显示出即时交互的特征。例如,微博平台能够形成完整的营销闭环,从消费者开始注意某种商品,到产生兴趣、寻找相关信息,再到达成购买并和周围人分享购物体验。在社交媒体的媒介环境下,用户口碑得以在短时间内进行裂变式传播,每个转发的用户都成为信息的传播者和被影响者,极易形成争抢轰动效应,引起购买决策。
著名商业期刊《哈佛商业评论》和《MIT斯隆管理评论》都曾以“大数据”作为主题,畅想大数据时代的企业管理。众多学者和企业家得出的结论是:在未来,数据会像土地、石油和资本一样,成为经济运行中的根本性资源。从更深的层面看,新媒体大数据不仅本身是重要的资源,还可以通过与其他数据资源广泛链接,促使其他数据资源得到更有效的开发和利用。
助推中国经济转型
中国正处于经济转型的关键时期,深入挖掘新媒体大数据中蕴含的价值,将有力助推中国经济的转型。
长期以来,中国扩大内需的动力主要来自城镇化;未来十多年,中国将有上亿人口融入城市,这是极为复杂的经济和社会变化过程,需要新的协同发展政策。通过分析大数据,可以对城市进行更为合理的规划与管理,有效缓解中国城镇化过程中面临的住房、教育、交通等诸多难题。例如,2010年,美国东北大学和哈佛医学院的科学家随机选取欧洲某国10万手机用户,追踪他们在6个月中发生的数据,旨在探寻人群活动的范围和移动模式。
服务业是未来中国经济增长的支撑点和就业容纳器。作为服务业的重要组成部分,由于长期缺乏有效的还本付息保证和规范的财务会计报表,小微企业普遍存在融资难题,限制了进一步发展。阿里巴巴的小额贷款业务通过将大量的基础商业数据、交易数据、信用数据结合起来进行风险分析,为解决小微企业融资难题提供了思路。在金融业,对冲基金也已经开始从社交媒体提取市场“情绪”信息,利用Twitter、Facebook、聊天室和博客用户发出的海量消息开发交易算法,并据此操作市场。
传统行业转型升级是中国经济结构调整的重心。在零售业,某些电商平台已经开始通过交易数据分析,帮助零售商实时掌握销售动态,迅速调整库存,以制订更加精准有效的营销策略;同时,通过将销售信息与买卖方的年龄、性别、地址、爱好等个人特征信息相匹配,可以预测市场行情,引领消费趋势。传统行业的运作方式因此得到深刻改变,行业运作效率大幅提高。
中国经济转型离不开战略新兴行业的成长,而大数据被认为是信息技术下一次重大突破的重要方向。在以前历次信息革命中,中国主要扮演着学习者、跟随者和参与者的角色;在这次突破中,中国有可能在诸多领域取得领先地位。其一,中国的人口结构、经济规模以及新媒体的迅猛发展,决定了相关大数据的规模,为未来大数据研究提供许多创新角度;其二,中国在新媒体大数据开发和应用方面拥有广阔平台,有利于迅速培养领军人物——相信通过企业、科研院所和高等学校之间的紧密合作,中国有望站在大数据领域的技术最前沿。
尽管目前我们对于新媒体大数据的开发、利用已经取得一定进展,但相对于其潜在价值而言远远不够,未来仍需采取针对性的促进措施。例如,设计和创建一个数据共享的体系架构,在保护个人隐私基础上实现不同机构间数据的流动;发展处理新型数据的特定技术,培养大量数据分析人才,从而可以高效、精准地处理海量的模糊信息;构建完整的新媒体大数据生态产业链,实现数据的采集、存储、组织、查询、管理和应用的良性循环。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13